基于深度學習的查詢擴展研究

摘要：通過在查詢擴展中引入深度學習框架,并結合局部和全局查詢擴展模型,從而解決查詢擴展中偽相關反饋引起的查詢漂移問題。選擇eBay于2017年的查詢短語和商品名稱作為實驗數據,在偽相關反饋的基礎上提出基于深度學習的查詢擴展模型(deep learning based query expansion model,DLQEM),以實現更準確有效的查詢擴展,并將其應用到信息檢索任務中。實驗結果表明,DLQEM的precision@10值在偽相關反饋(PRF)的基礎上分別提高了3.5%和3.7%,驗證了本文所提出假設(通過概念相關擴展詞與反饋信息擴展詞取交集能夠有效地控制反饋相關擴展詞造成的查詢漂移)的有效性。深度學習能夠解決監督學習在短文本集上難以獲得好的分類效果的問題,將其與傳統查詢擴展模型進行結合,解決了傳統查詢擴展中需要用戶參與和檢索速度遲緩兩大弊端,控制了查詢漂移。